国产,欧美,日韩,一区 ,高清视频大片免费观看,国产suv精品一区二区69

在學(xué)術(shù)研究的動(dòng)態(tài)領(lǐng)域，有效的信息收集，綜合和演示至關(guān)重要。文獻(xiàn)綜述的手動(dòng)過程是耗時(shí)的，阻礙了更深入的分析。由Pydantic構(gòu)建的多機(jī)構(gòu)研究助理系統(tǒng)提供了一個(gè)復(fù)雜的解決方案：專門的代理商合作，可模塊化地處理復(fù)雜的任務(wù)。但是，管理多個(gè)代理需要仔細(xì)考慮數(shù)據(jù)一致性，驗(yàn)證和通信。這種基于pydantic的系統(tǒng)通過執(zhí)行強(qiáng)大的數(shù)據(jù)模式，改進(jìn)數(shù)據(jù)處理并簡(jiǎn)化系統(tǒng)復(fù)雜性來解決這些挑戰(zhàn)。

本文詳細(xì)介紹了使用Pydantic的結(jié)構(gòu)化多代理研究助理的構(gòu)建，該研究助理整合了Pydantic-AI和Arxiv等工具。我們將提供逐步的代碼解釋和預(yù)期結(jié)果。

關(guān)鍵學(xué)習(xí)目標(biāo)

掌握在pydantic驅(qū)動(dòng)的多代理研究助理中，對(duì)于可靠的代理間溝通中的結(jié)構(gòu)化數(shù)據(jù)建模的重要性。
使用Pydantic定義和實(shí)施結(jié)構(gòu)化數(shù)據(jù)模式，以進(jìn)行無縫集成，模塊化代理編排和有效的自動(dòng)化研究工作流程。
設(shè)計(jì)和編排用于特定任務(wù)的模塊化代理：查詢細(xì)化，數(shù)據(jù)檢索，關(guān)鍵字提取和摘要。
通過結(jié)構(gòu)化代理相互作用將外部API（例如ARXIV）集成到自動(dòng)化工作流中。
直接從結(jié)構(gòu)化代理輸出中生成高質(zhì)量的輸出（例如PDF報(bào)告），從而增強(qiáng)了自動(dòng)化研究工作流的實(shí)際實(shí)用性。

本文是數(shù)據(jù)科學(xué)博客馬拉松的一部分。

用pydantic定義數(shù)據(jù)模型
構(gòu)建多代理框架
使用及時(shí)處理器代理來完善查詢
紙質(zhì)檢索代理有效檢索
用關(guān)鍵字提取代理提取關(guān)鍵字
用摘要代理簡(jiǎn)明摘要
編排代理
產(chǎn)生專業(yè)產(chǎn)出
實(shí)際例子
結(jié)論
常見問題

用pydantic定義數(shù)據(jù)模型

定義明確的數(shù)據(jù)模型在多代理系統(tǒng)中至關(guān)重要。代理之間的一致，可預(yù)測(cè)的數(shù)據(jù)交換至關(guān)重要。 Pydantic通過提供直接定義Python中數(shù)據(jù)模式，確保數(shù)據(jù)一致性，減少運(yùn)行時(shí)錯(cuò)誤并實(shí)現(xiàn)無縫驗(yàn)證的直接方法來優(yōu)雅地解決此問題。

這是使用Pydantic結(jié)構(gòu)化數(shù)據(jù)模型的示例：

來自Pydantic Import Basemodel，field

類Papermetadata（basemodel）：
    標(biāo)題：str =字段（...，description =“紙質(zhì)標(biāo)題”）
    摘要：str =字段（...，描述=“紙張摘要”）
    作者：列表[str] = field（...，description =“作者列表”）
    publication_date：str = field（...，description =“出版日期”）

現(xiàn)場(chǎng)解釋

title ：紙質(zhì)標(biāo)題，可輕松參考和組織。
abstract ：關(guān)鍵字提取和摘要的簡(jiǎn)明摘要。
authors ：作者列表以進(jìn)行進(jìn)一步查詢或引文跟蹤。
publication_date ：分類和過濾的出版日期。

我們的系統(tǒng)包括五個(gè)代理：

及時(shí)處理器代理
紙取回劑
關(guān)鍵字提取代理
摘要代理
路由器（編排）代理

這些試劑使用Pydantic定義的模型進(jìn)行交流，確?？深A(yù)測(cè)和驗(yàn)證的數(shù)據(jù)，最大程度地減少錯(cuò)誤并增強(qiáng)系統(tǒng)魯棒性。

使用Pydantic構(gòu)建結(jié)構(gòu)化研究自動(dòng)化系統(tǒng)

我們將深入研究每個(gè)代理的實(shí)現(xiàn)，角色和預(yù)期輸出。

構(gòu)建多代理框架

在Pydantic數(shù)據(jù)模型的基礎(chǔ)上，我們現(xiàn)在檢查了多代理框架。每個(gè)代理都有特定的角色，并與他人無縫互動(dòng)。

代理角色

及時(shí)處理器代理：完善用戶查詢以提高搜索相關(guān)性。
紙情況檢索代理：從外部數(shù)據(jù)庫(kù)（如Arxiv）中檢索相關(guān)論文。
關(guān)鍵字提取代理：從紙張摘要中提取關(guān)鍵術(shù)語。
摘要代理：生成紙張摘要的簡(jiǎn)明摘要。
路由器代理（編排）：協(xié)調(diào)工作流程，管理通信和數(shù)據(jù)流。

代理相互作用

代理依次相互作用：

及時(shí)處理器完善了用戶查詢。
精制查詢將發(fā)送到紙質(zhì)檢索代理。
路由器將摘要發(fā)送到關(guān)鍵字提取和摘要代理。
路由器將結(jié)果匯編為最終報(bào)告。

這種模塊化設(shè)計(jì)可確保可維護(hù)性和可擴(kuò)展性?？梢元?dú)立改進(jìn)或更換代理。我們將探索每個(gè)代理的實(shí)現(xiàn)。

使用及時(shí)處理器代理提煉研究查詢

精確查詢對(duì)于有效搜索至關(guān)重要。及時(shí)處理器代理會(huì)完善用戶查詢，以提高學(xué)術(shù)數(shù)據(jù)庫(kù)結(jié)果的相關(guān)性。

這是及時(shí)的處理器代理實(shí)施：

 @strump_processor_agent.tool
異步DEF PROCESS_PROMPT（CTX：RUNCONTEXT [researchContext]，主題：str） - > str：> str：
    主題= toble.strip（）。下（）
    如果在主題中“”：
        子主題= topic.split（'in'）
        main_topic =子主題[0] .STRIP（）
        上下文=子主題[1] .STRIP（）
        rifined_query = f“ all：{main_topic}和cat：{context.replace（''，'_''）}”
    別的：
        精制= f“ ti：\” {topip} \“或abs：\” {topip} \“”
    返回精煉_Query

改進(jìn)的實(shí)現(xiàn)使輸入歸一化，解析上下文提示（“在”），構(gòu)建結(jié)構(gòu)化查詢，并包括有關(guān)更廣泛主題的后備處理。這會(huì)導(dǎo)致更精確的搜索。

用紙質(zhì)檢索代理有效地獲取研究論文

論文檢索代理與外部API（如Arxiv）相互作用，以根據(jù)精制查詢檢索相關(guān)論文。它使用Pydantic模型來一致的數(shù)據(jù)處理。

 @paper_retrieval_agent.tool
異步def fetch_papers（ctx：runco??ntext [researchContext]） - > list [papermetadata]：
    搜索= arxiv.Search（query = ctx.deps.query，max_results = 5，sort_by = arxiv.sortcriterion.submitteddate）
    結(jié)果= list（search.results（））
    論文= []
    結(jié)果結(jié)果：
        如果hasattr（結(jié)果，“已發(fā)布”）和結(jié)果。發(fā)布并非沒有其他“未知”
        paper = papermetadata（title = result.title，abract.sust.summary，authors = [作者in result.authors in result.authors]，publication_date = publined_date = publined_str）
        論文。附錄（紙）
    返回論文

Pydantic確保數(shù)據(jù)驗(yàn)證和一致性，從而簡(jiǎn)化下游處理。

用關(guān)鍵字提取代理提取有價(jià)值的關(guān)鍵字

關(guān)鍵字提取代理從摘要中標(biāo)識(shí)關(guān)鍵術(shù)語，以幫助研究人員快速評(píng)估紙張相關(guān)性。

 @keyword_extraction_agent.tool
異步def extract_keywords（ctx：runco??ntext [researchContext]，摘要：str） - > keywordresult：
    單詞= Abstract.split（）
    sew = set（）
    unique_words = []
    用單詞詞：
        歸一化= Word.Strip（'。，;：“（）'）。下（）
        如果將歸一化和標(biāo)準(zhǔn)化，則不可見：
            SEED.ADD（歸一化）
            unique_words.append（歸一化）
        如果len（unique_words）> = 5：
            休息
    返回keywordresult（keywords = unique_words）

這是一個(gè)簡(jiǎn)化的示例；生產(chǎn)系統(tǒng)將使用更先進(jìn)的NLP技術(shù)。 Pydantic保持結(jié)構(gòu)化的，一致的輸出。

用摘要代理簡(jiǎn)化論文

摘要代理生成了摘要的簡(jiǎn)潔摘要。

 @summary_agent.tool
async def summarize_paper（ctx：runco??ntext [researchContext]，摘要：str） - > papersummary：
    summary_text =摘要[：150]
    返回論文（摘要= summary_text）

這是一個(gè)基本示例；高級(jí)摘要模型可以顯著提高摘要的質(zhì)量。

將所有內(nèi)容融合在一起：代理編排

路由器代理協(xié)調(diào)整個(gè)工作流程。

 @router_agent.tool
異步def Orchestrate_workflow（ctx：runco??ntext [researchContext]） - > str：
    repined_query =等待提示
    論文=等待paper_retrieval_agent.run（rupined_query.data，deps = ctx.deps）
    響應(yīng)=“最終報(bào)告：\ n”
    對(duì)于紙張中的紙。data：
        關(guān)鍵字=等待關(guān)鍵word_extraction_agent.run（paper.abstract，deps = ctx.deps）
        摘要=等待summary_agent.run（paper.abstract，deps = ctx.deps）
        響應(yīng)=（（
            f“ \ ntitle：{paper.title} \ n”
            f“關(guān)鍵字：{keywords.data.keywords} \ n”
            f“摘要：{summary.data.summary} \ n”
        ）
    返回響應(yīng)

這使用異步操作提高效率。結(jié)構(gòu)化的記錄輔助調(diào)試。

通過結(jié)構(gòu)化數(shù)據(jù)生成專業(yè)輸出

結(jié)構(gòu)化數(shù)據(jù)將轉(zhuǎn)換為專業(yè)的PDF報(bào)告。

 def generate_pdf_report（report_text：str，output_filename：str =“ final_report.pdf”）：
    導(dǎo)入Markdown2
    從XHTML2PDF導(dǎo)入PISA
    html_text = markdown2.markdown（report_text）
    使用opent（output_filename，“ wb”）作為result_file：
        pisa.createpdf（html_text，dest = result_file）

這利用結(jié)構(gòu)化數(shù)據(jù)可輕松轉(zhuǎn)換為可讀的PDF。